Revisión sistemática sobre el uso de redes neuronales para la detección de anemia

Abstract

La anemia es un problema de salud pública que afecta a millones de personas, especialmente en poblaciones vulnerables. Su diagnóstico tradicional puede ser invasivos y costosos, lo que limita su accesibilidad en áreas de infraestructura limitada. El objetivo de esta investigación es realizar una revisión sistemática de la literatura científica sobre el uso de redes neuronales en la detección de anemia, se analizaron 43 artículos publicados entre el año 2020 y 2025, que emplean modelos como CNN, SVM y ResNet50, los cuales han demostrado alta precisión, alcanzando hasta un 97.64%. Los resultados evidencian la eficacia de los modelos en la detección automatizada de la enfermedad, destacando su capacidad para reducir el tiempo de diagnóstico y mejorar los entornos clínicos. Aunque existen desafíos para su implementación, debido a la necesidad de bases de datos robustas para mejorar la precisión de los modelos. Sin embargo, la adaptación de modelos ligeros como YOLO en dispositivos móviles abre la puerta a diagnósticos rápidos y accesibles, especialmente en zonas rurales. Además, se identificaron nuevas líneas de investigación, como la detección a través de imágenes de uñas o palmas de la mano, ampliando las posibilidades de diagnóstico no invasivo. En conclusión, el uso de redes neuronales, la inteligencia artificial y el aprendizaje profundo, representan una alternativa prometedora para la detección de la anemia, ofreciendo diagnósticos más precisos y sobre todo optimizando el tiempo. La combinación de redes neuronales con dispositivos móviles mejora el acceso al diagnóstico preciso en zonas de recursos limitados